Volver al blog

Cómo hacer videos ASMR de comida con IA

3 de septiembre de 2026 · 8 min de lectura

El formato fruta de vidrio es una de las formas más repetidas en video corto: una comida familiar renderizada en un material translúcido, vertida sobre una rebanada de pan y extendida con una cuchara metálica, con cada choque y raspado audible.

Vale la pena entender por qué funciona, porque la razón explica todas las reglas sobre cómo hacer uno bueno.

Por qué el formato mantiene la atención

La gracia es una disonancia que tu cerebro no puede resolver. Sabes cómo suena un arándano contra una cuchara, y el vidrio no suena así. El audio contradice constantemente la forma en pantalla, y tu atención se queda intentando reconciliar ambos.

Por eso el audio no se puede sustituir por música. El sonido no es acompañamiento, es el contenido. Por eso la plantilla ASMR Food tiene la música de fondo totalmente desactivada en lugar de estar apagada por defecto.

Otras dos propiedades la hacen especialmente adecuada para formatos cortos. No tiene narración, así que no necesita guion, voz ni traducción, y funciona en cualquier idioma. Y se puede repetir sin cansar, porque el formato es fijo y solo cambia el sujeto, que es justo la forma que necesita una serie.

Cómo elegir un sujeto

La línea del sujeto tiene dos partes: la comida y el material. Ambas son necesarias y ninguna puede ser vaga.

Arándanos de vidrio azul sobre pan tostado funciona. Algo satisfactorio no, porque no hay nada que renderizar.

Elige materiales translúcidos. Vidrio, cristal, resina ámbar, caramelo duro, jade, cuarzo y hielo transmiten luz, y el juego de luces es la mitad de lo que hace la toma atractiva. Materiales opacos como la piedra o el metal lo pierden por completo.

Haz que el color coincida con la comida real. Las fresas de cristal rojo se leen al instante, porque el color confirma qué es el objeto mientras el material lo contradice. Una fresa azul solo parece un error y la tensión desaparece.

Prefiere comidas pequeñas. Bayas, uvas, gajos de cítrico y tomates cherry se fragmentan y dispersan de forma creíble bajo una cuchara. Un melón entero no, porque el formato se basa en untar algo sobre una rebanada de pan.

Sujetos que se renderizan bien de forma consistente:

  • Arándanos de vidrio azul sobre pan tostado
  • Fresas hechas de cristal rojo
  • Mini kiwis tallados en jade verde
  • Gajitos de naranja diminutos de resina ámbar
  • Sandía pequeña de cuarzo rosado
  • Uvas de vidrio púrpura intenso
  • Tomates cherry en caramelo duro rojo

Lo que el formato ya maneja

No describes la cámara, la iluminación, las manos, la superficie de la mesa ni el sonido. Todo eso ya está escrito en el brief del formato y se repite para cada escena: toma de sobremesa, una mano vertiendo desde un pequeño recipiente de vidrio, la mano saliendo del encuadre, luego una cuchara metálica esparciendo el material sobre el pan. Iluminación de estudio difusa, fotorrealista, sin movimiento de cámara, audio ASMR táctil.

Intentar especificar eso tú mismo va en contra del brief en lugar de complementarlo. El error más común con cualquier plantilla es escribir un prompt completo en un campo que solo quiere un sujeto.

Si realmente quieres escribir prompts completos en vez de sujetos, existe el formato animado libre para eso, y la guía de prompts cubre las cinco capas que necesita un prompt completo.

Duración y número de escenas

Aquí una escena es un video completo. El vertido, el esparcido y el asentamiento ocurren dentro de un solo clip, así que no queda nada a medias al cabo de cinco segundos.

Las escenas extra te dan variaciones más que continuidad. Tres escenas son tres alimentos en vidrio distintos, lo cual funciona como un pequeño set, pero pasado el segundo o tercer caso la idea ya está clara y los segundos extra son coste sin retorno.

Las escenas duran entre cinco y diez segundos cada una y tú eliges ambos números. La duración es el número de escenas por segundos, y el precio también.

Hacerlo como serie

La razón para tratar esto como una serie en vez de una pieza única es que el formato hace el trabajo de reconocimiento por ti. Un espectador que ha visto uno de tus videos reconoce el segundo en un vistazo, y eso vale más que que cualquier video individual rinda bien.

Mantén el formato idéntico y cambia solo el sujeto. No alternes entre este y tres formatos distintos en el mismo canal durante el primer mes, porque no podrás saber qué está funcionando.

Haz una lista de sujetos antes de empezar. Solo con frutas tienes veinte videos, y verduras, dulces y pequeños salados la extienden mucho más. Un formato con un siguiente sujeto obvio es un formato con el que podrás publicar dentro de seis meses.

Cuando un clip no funciona

El video generativo falla a veces. Los fallos habituales son que el material parezca opaco, que la comida pierda su forma reconocible, o que el movimiento de la cuchara quede raro.

Los tres suelen arreglarse haciendo la línea de sujeto más específica sobre el material en sí y no sobre otra cosa. «Vidrio translúcido azul intenso» da un resultado distinto a solo «vidrio».

También puedes regenerar una sola escena en el editor, lo que te compra exactamente los segundos que esa escena usó originalmente y deja el resto del video intacto. Eso es más barato que regenerar todo el video y es la forma normal de trabajar con un formato donde uno de cada cinco clips necesita un segundo intento.

Preguntas frecuentes

¿Necesito grabar audio?

No. Los clips se generan con su propio audio, y de ahí provienen los choques y raspados. La música de fondo se apaga deliberadamente en este formato, porque una pista musical sobre el audio ASMR elimina lo que la gente viene a buscar.

¿Puedo añadir narración o subtítulos?

No, y eso es intencional. El formato está diseñado sin narración. Una voz sobre un video ASMR rompe el efecto que el formato busca crear, por eso el guion, la voz en off y los subtítulos están deshabilitados.

¿Cuántas escenas debe tener un video?

Una escena es un video completo en este formato. Las escenas extra son variaciones de la misma idea y se cobran por separado. La mayoría de los videos que funcionan bien en este formato duran menos de quince segundos.

¿Cuánto cuesta un video?

35 créditos por segundo de video terminado en HD, así que un clip de cinco segundos son 175 créditos y uno de diez segundos 350. La calidad estándar cuesta 25 créditos por segundo. Los planes empiezan en $19 al mes por 3,000 créditos.

Sigue leyendo